Akademik Veri Yönetim Sistemi
Tezin Türü: Yüksek Lisans
Tezin Yürütüldüğü Kurum: Gazi Üniversitesi, Fen Bilimleri Enstitüsü, Türkiye
Tezin Onay Tarihi: 2024
Tezin Dili: Türkçe
Öğrenci: Mustafa Said DÜZ
Danışman: Meral Ebegil
Özet:
Ekonomik verilerden oluşturulan zaman serilerinin doğru kestirimi, doğru ekonomik kararlar alabilmek için kritik öneme sahiptir. Tüketici Fiyat Endeksi (TÜFE), enflasyonu ölçmek ve ekonomi politikalarını geliştirmek için hayati bir göstergedir. Geleneksel ARIMA modeli, zaman serisi tahminlerinde yaygın olarak kullanılır, ancak durağanlık gereksinimi ve yapısal kırılmalar karşısındaki sınırlamaları nedeniyle her zaman yeterli olamayabilir. Bu nedenle LSTM, XGBoost ve Prophet gibi daha yeni modeller geliştirilmiştir. Bu çalışma, Türkiye ve ABD TÜFE verilerini kullanarak ARIMA, Prophet, LSTM ve XGBoost modellerinin tahmin performanslarını karşılaştırmayı ve en doğru tahmin modelini belirlemeyi amaçlamaktadır. Farklı yapısal kırılmalara sahip zaman serileri üzerinde yapılan bu karşılaştırma, hangi modelin daha etkili olduğunu ortaya koyarak ekonomik kararların doğruluğunu artırmada önemli katkılar sağlayabilir. Sonuçlar, büyük şirketlerden kamu otoritelerine, çeşitli ekonomik aktörlerin bilinçli kararlar almasına yardımcı olacaktır.
Anahtar Kelimeler : LSTM, XGBoost, ARIMA, Prophet, makine öğrenmesi, zaman serileri, öngörü, tahmin